TuTu's Hi Silk Image Z Image Turbo (8D Black Aurora Glossy Black Stockings Over the Knee Stockings)/图图的嗨丝造相 Z Image Tu

Terbaik untuk pemula. Alur kerja yang kuat, kurva pembelajaran rendah.

PirateDiffusion Telegram

Pro studio (SpyGlass) Web

Buat video, gambar, persona chat kustom, dan lainnya.

Jelajahi model, render, dan perbaiki dari browser atau ponsel mana pun.

Discord bot (Vector)

Tambahkan Vector ke servermu atau gabung Discord Vector. Buat apa saja!

Unified Editor Web

Editor untuk gambar dan video: render, edit, tingkatkan kualitas, dan lainnya dalam satu halaman.

Civitai Web

Bayar per penggunaan

Buat di situs Civitai; setiap gambar dibayar dengan kredit Buzz.

Aplikasi lokal

Perlu pengaturan

Install program lokal kalau komputermu punya hardware yang cukup.

ModelDuel Web

Bayar per penggunaan

Hasilkan prompt yang sama pada hingga 50 model checkpoint/base sekaligus.

Sewa GPU di cloud

Graydient Cloud GPU

2,098 unduhan · 249 suka di Civitai

Biaya tetap, penggunaan tanpa batas. Model ini terpasang dengan satu klik.

RunPod Cloud GPU

Dikenakan per menit

Sewa GPU per menit dan atur model sendiri.

Dibuat oleh

zhaotutu

di Civitai

by zhaotutu - TuTu's Hi-Silk Image - Z-Image-Turbo (8D Black Aurora Glossy Black Stockings Over-the-Knee Stockings)

Catatan pembuat

RunningHub Online Workflow / RunningHub 在线工作流 Ready-to-use workflow (CN): RunningHub model page (Overseas): Fan benefit: use invite code rh-v0990 to claim 1000 RH coins, plus 100 RH coins every daily login. If the coins do not appear automatically, click the avatar in the upper right and bind/activate invite code rh-v0990. 国内站工作流： RH 模型页：粉丝福利：点击右上角头像 - 邀请码，填入 rh-v0990，可领取 1000 RH 币；每天登录还可领 100 RH 币。若没有自动到账，请在右上角绑定/激活邀请码 rh-v0990。 Created with Tutu AI Workflow Tagged with Tutu Annotator. Trained with Tutu Trainer. This LoRA is part of my Tutu AI workflow. Tutu Annotator is used for intelligent dataset annotation, prompt reverse engineering, subject-aware tag filtering, and cleaner searchable captions. For this Z-Image-Turbo experiment, the dataset was annotated with my Tutu intelligent labeling workflow and trained with Tutu Trainer. This page also connects the model back to the wider Tutu tool ecosystem: Tutu Trainer, Tutu Annotator, model workflows, and my official website. The goal is not only to release models, but to build a reusable production workflow. - Official website: - Tutu Trainer: - Tutu Annotator: - Bilibili: - YouTube: - Telegram: - TikTok: - Reddit: - GitHub: - Email: - QQ: 331506796 TuTu Hi-Silk Image for Z-Image-Turbo This is a Z-Image-Turbo experimental Hi-Silk LoRA for 8D black Aurora glossy over-knee stockings / black thighhigh stockings. It is an experimental version of my Hi-Silk direction for the Z-IMAGE workflow. The effect is already good, and the example images can be used as a reference, but there is still room for improvement. This is the first experimental version, and I may continue optimizing it later. - Base model: Z-Image-Turbo / ZImageTurbo - Type: 8D black Aurora glossy over-knee stockings / black thighhigh stockings - Trigger word: tutujiguanghaisiv1 - Recommended LoRA weight: around 0.7 - Loader: can be loaded with a normal LoRA loader - Workflow: compatible with many Z-IMAGE workflows What this model is good at - Adding 8D black Aurora glossy stocking texture in Z-Image-Turbo workflows. - Improving black over-knee / thighhigh stocking presence. - Working with ordinary LoRA loading methods. - Using Tutu Annotator labels and subject filtering to keep the dataset cleaner. - Serving as an early test for the Hi-Silk direction on Z-IMAGE. Training notes This model was made with carefully selected source material. The dataset was labeled with Tutu Annotator using the Banana 2 / Banana Pro model, then filtered with Tutu's intelligent subject filtering function. The training was completed with Tutu Trainer and the Tutu training workflow. The point of this experiment is to see how the Hi-Silk material direction transfers to Z-Image-Turbo. It is not the final form of the series yet, but it already has a useful effect and is worth testing. Recommended use - Use a normal LoRA loader. - Start with LoRA weight around 0.7. - Try different weights if the effect is too weak or too strong. - In the prompt, write that the character is wearing black over-knee stockings / black thighhigh stockings. - If you want a stronger effect, add the trigger word tutujiguanghaisiv1. - Use it inside Z-IMAGE / Z-Image-Turbo workflows. Prompt keywords Main trigger: tutujiguanghaisiv1 Useful prompt phrases: - black over-knee stockings - black thighhigh stockings - 8D black stockings - Aurora glossy black stockings - glossy black hosiery - wearing black stockings - visible stocking top - fashion portrait If the effect is weak, add tutujiguanghaisiv1 and strengthen the stocking description. If the effect is too strong, lower the LoRA weight before adding many negative prompts. Workflow note My Z-IMAGE workflow is still being supplemented and improved. If you are using my workflow resources, download and test them according to your own environment. Different Z-IMAGE workflows may need different weights and prompt details. Workflow resource: . New users can use invite code rh-v0990 if needed. FAQ Is this a finished final version? No. It is the first experimental version. The effect is already good, but I may continue optimizing it later. Do I have to use the trigger word? You can first write that the character is wearing black over-knee stockings. If you want a stronger effect, add tutujiguanghaisiv1. Which workflow should I use? It is compatible with many Z-IMAGE workflows. My own workflow resources are being expanded, so test with your local workflow and adjust weight as needed. Responsible use - You are fully responsible for any creative work made with this model. - Do not use this model to create or share illegal, harmful, malicious, defamatory, fraudulent, or political content. - If you use this model commercially, please inform me. Thank you. 中文说明这是图图嗨丝造相 - Z-Image-Turbo 实验版 LoRA，方向是 8D 黑色极光油亮黑丝长筒袜 / 过膝袜。它是我把嗨丝方向迁移到 Z-IMAGE 工作流里的一个实验版本。这个版本效果已经不错，可以参考例图，但还有继续提升的空间。它是第一个实验版本，后续我可能会进一步优化。 - 基础模型：Z-Image-Turbo / ZImageTurbo - 类型：8D 黑色极光油亮长筒袜 / 过膝袜 - 触发词：tutujiguanghaisiv1 - 推荐 LoRA 权重：0.7 左右 - 加载方式：正常 LoRA 加载器即可 - 工作流：兼容各种 Z-IMAGE 工作流这个模型适合什么 - 在 Z-Image-Turbo 工作流中增加 8D 黑色极光油亮丝袜质感。 - 强化黑色长筒袜 / 过膝袜效果。 - 使用普通 LoRA 加载方式即可加载。 - 使用图图打标器和智能主体过滤，让数据集标签更干净。 - 作为嗨丝方向在 Z-IMAGE 上的早期实验版本。训练说明这个模型使用了比较理想的源素材。素材用图图打标器进行标注，使用 Banana 2 / Banana Pro 模型辅助打标，并用图图智能主体过滤功能过滤标签。训练使用图图训练器和图图训练工作流完成。这个实验的重点，是测试嗨丝材质方向在 Z-Image-Turbo 里的迁移效果。它还不是这个系列的最终形态，但已经有不错效果，值得测试。推荐用法 - 使用正常 LoRA 加载器即可。 - 推荐权重从 0.7 左右开始。 - 效果太弱或太强时，可以尝试不同权重。 - 提示词里写角色穿着黑色长筒袜 / 黑色过膝袜即可。 - 如果想进一步增强效果，可以加入触发词 tutujiguanghaisiv1。 - 放在 Z-IMAGE / Z-Image-Turbo 工作流里使用。出图关键词主触发词： tutujiguanghaisiv1 - black over-knee stockings - black thighhigh stockings - 8D black stockings - Aurora glossy black stockings - glossy black hosiery - wearing black stockings - visible stocking top - fashion portrait 如果效果不明显，加入 tutujiguanghaisiv1 并加强黑色长筒袜描述。如果效果太强，先降低 LoRA 权重，不要一开始就堆很多负面词。工作流说明我的 Z-IMAGE 工作流还在补充和完善中。如果使用我的工作流资源，请根据自己的环境下载和测试。不同 Z-IM

Kata pemicu

tutujiguanghaisiv1

SHA256

1951BD138FE98E6BD4DEFB97415A38B5E8868A94ABE84F8BC96DB6B1637411CC

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #17 Hottest Zimage model · #15 Hottest Zimage LoRA

Not this creator?

Get your own badge

Tren popularitas TuTu's Hi Silk Image Z Image Turbo (8D Black Aurora Glossy Black Stockings Over the Knee Stockings)/图图的嗨丝造相 Z Image Tu

Skor panas sejak 29 Nov 2025

Skor panas

8,251°

Minggu ini

▼

0.1%

8,253° dulu, 8,251° sekarang

Bulan ini

▼

0.5%

8,259° dulu, 8,251° sekarang

Tahun lalu

n/a

Belum dirilis/dilacak

7,000°

Floor

Skala berjalan dari 0° sampai 9.999°. Semua yang di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh sumber mana pun, yang memakai angka pengganti di sana supaya daftar tetap lengkap. 7,000° adalah titik awal data yang diukur: model dengan data nyata tapi hampir tidak ada unduhan berada di floor, dan pengukuran mengisi derajat di atasnya. Floor tidak mengatakan apa-apa tentang model; hanya derajat di atasnya yang berbicara, dan itu yang membedakan satu model dengan yang lain.

+1,009°

Unduhan Civitai

2,098 unduhan versi tepat ini di Civitai. Unduhan adalah bahan terberat dan dihitung dalam skala log: sepuluh kali unduhan menambah 300° yang sama, jadi model dengan sejuta unduhan tidak seribu kali lebih panas dari yang seribu unduhan. Enam sumber unduhan berbagi satu istilah itu, dibagi proporsional sesuai jumlahnya.

+360°

Suka

249 suka dan jempol ke atas dari berbagai sumber. Suka dihitung setengah unduhan, dengan skala log yang sama.

+28°

Tingkat adopsi

Sekitar 1 unduhan per hari, diukur antara dua pembacaan sumber, tidak pernah ditebak dari rata-rata seumur hidup. Kecepatan dihitung seperempat dari istilah unduhan, jadi lonjakan baru terlihat tanpa membiarkan lonjakan satu hari mengalahkan penggunaan bertahun-tahun.

−146°

Usia

−146° karena bobot Zimage keluar di 2025. Setiap model mewarisi usia bobot yang dipakai: 150° per tahun, sampai 750°, dan terus bertambah sampai itu. Tanpa ini, puncak daftar akan diisi checkpoint 2022 dan 2023 hanya karena unduhan yang sudah bertahun-tahun menumpuk.

Tampilkan rincian

Setiap angka di situs ini bisa dicek. Skor heat model ini adalah 8,251°, dan ini dibangun satu bahan pada satu waktu, dengan total berjalan setelah setiap langkah: floor, derajat yang ditambahkan setiap sumber, bonus untuk jenis model dan pengurangan karena usia bobotnya. Warna-warna itu adalah rentang pada grafik di atas. Glosarium di akhir menjelaskan setiap istilah.

1
Mulai dari floor.
Kenapa 7,000° dan bukan nol: skala dari 0° sampai 9.999°, dan bagian di bawah 7,000° disediakan untuk model yang belum dilaporkan sumber mana pun, yang memakai angka pengganti supaya daftar tetap lengkap dan tidak pernah mengalahkan model dengan data. 7,000° adalah titik awal data yang diukur. Model dengan data nyata tapi hampir tidak ada unduhan berada di sini; semua yang berikutnya adalah pengukuran, dan ruang di atas floor memuat sepuluh langkah sepuluh kali lipat unduhan dengan 300° masing-masing. Floor sama untuk semua model, jadi tidak menentukan apa-apa; yang menentukan adalah derajat di atasnya.
7,000°
total berjalan
2
Tambahkan unduhan.
2,098 setara unduhan secara total, dari Unduhan Civitai. Sepuluh kali unduhan menambah 300° yang sama, jadi ukuran penting tapi tidak pernah mendominasi skor.
+1,009°
8,009°
total berjalan
3
Tambahkan suka.
249 suka dan jempol ke atas, dengan bobot setengah dari satu unduhan.
+360°
8,369°
total berjalan
4
Tambahkan tingkat adopsi.
Sekitar 1 unduhan per hari sekarang, diukur antara dua pembacaan, dengan bobot seperempat.
+28°
8,397°
total berjalan
5
Lepaskan usia.
Bobot Zimage keluar di 2025: 150° per tahun, sampai 750°, bertambah sampai saat itu.
−146°
8,251°
total berjalan
=
Skor heat.
Posisi model ini di setiap daftar di situs ini. Tidak ada yang mengubahnya selain ini.
8,251°

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Bagaimana popularitas model ini bergerak dibandingkan dengan katalog lainnya: pertumbuhan unduhan, suka, dan penggunaan setiap periode, diukur terhadap pertumbuhan model biasa dalam periode yang sama, dengan skor panasnya saat itu. Di atas pertumbuhan biasa berarti naik, di bawahnya berarti turun. Masa lalu direkonstruksi dari total hari ini, hari pertama model, dan kecepatan unduhan yang diukur jika ada dua pembacaan; model yang belum ada di awal periode menunjukkan n/a.

Contoh render

Prompt dan pengaturan yang dibagikan oleh orang-orang yang membuat render ini di Civitai. Pilih sebuah render untuk melihat cara membuatnya.

Dapatkan prompt ini

Tidak ada prompt yang dibagikan untuk render ini.

Render oleh JzPz di Civitai

Tidak ada prompt yang dibagikan untuk render ini.

Pengaturan

Ukuran

1536x2688

Prompt

workflow embedded

Render oleh JzPz di Civitai

Tidak ada prompt yang dibagikan untuk render ini.

Pengaturan

Ukuran

1536x2688

Prompt

workflow embedded

Tidak ada prompt yang dibagikan untuk render ini.

Tidak ada prompt yang dibagikan untuk render ini.